Article
Success Story Validierung interner Risikomodelle
Digital Risk Services in der Praxis: Überprüfung der statistischen Modelle zur Ermittlung angemessener Eigenmittel
Hintergrund
Kreditinstitute müssen über angemessene Eigenmittel verfügen. Für die Berechnung von Kreditrisikopositionen zur Bestimmung der angemessenen Eigenmittelausstattung gibt es zwei alternative Ansätze: zum einen den Kreditrisiko-Standardansatz und zum anderen den auf internen Risikomodellen basierenden Ansatz.
Bei dem zweiten Ansatz kalkulieren die Institute selbst, welche Ausfallwahrscheinlichkeit, welche Verlustquote bei Ausfall und welcher Konversionsfaktor bei ihnen bestehen. Für die Verwendung modellbasierter Ansätze gibt es konkrete und umfassende regulatorische Anforderungen.
Grundvoraussetzung zur Erstellung der internen Risikomodelle ist eine große Datenmenge (Big Data). Anhand dieser Daten werden wesentliche Risiken abgeschätzt, die durch Veränderungen in Geschäftsfeldern, der Werthaltigkeit von Vermögenswerten, schwankende Marktfaktoren und das wirtschaftliche Umfeld beeinflusst werden oder gleichzeitig diese wiederum beeinflussen.
Die Ausgangssituation
Unser Kunde aus der Finanzbranche muss in regelmäßigen Zeitabständen seine internen Risikomodelle validieren und den Regulatoren präsentieren. Aufgrund der Vielzahl der statistischen Modelle, die zum Einsatz kommen, kann die Bank die Validierung aller Modelle nicht ausschließlich mit dem eigenen Personal vornehmen. Als langjähriger Partner wurde daher Deloitte zur Unterstützung beauftragt.
Unser Projekt-Scope
Das Projektteam umfasste internationale Deloitte-Kollegen, da spezielles statistisches Know-how gefordert war. Unser Teilprojekt, das wir aus Deutschland handhabten, bestand aus der Überprüfung der Risikomodelle für die Kreditart „Konsumentenkredit“ (z.B. für den Auto- oder Möbelkauf).
Dabei sind wir wie folgt vorgegangen: Zunächst wurde mit der SAS-Software die Vorbereitung der Daten überprüft. Anschließend prüften wir die statistischen Komponenten der internen Risikomodelle, führten statistische Tests durch und bestimmten Fehlergrößen. Auch die Robustheit der Modelle wurde geprüft und makroökonomische Schocks wurden hinzugefügt (Stresstest), wie zum Beispiel ein abrupter Anstieg der Arbeitslosigkeit. Abschließend wurde ein Challenger Modell entwickelt, anhand dessen wir darauf hinweisen konnten, dass mehr makroökonomische Variablen für die Modelle verwendet werden sollten.
Das Ergebnis
Die internen Risikomodelle dieser spezifischen Kreditart haben unsere Validierung nicht bestanden, da nicht alle statistischen Voraussetzungen erfüllt waren und die Modelle unter Stress keine validen Ergebnisse erzeugt haben.
Auf Basis dieser Ergebnisse konnten wir unserem Kunden Verbesserungsmöglichkeiten bei der Entwicklung der Modelle aufzeigen und wichtige Impulse zur Implementierung bieten.
Unser Mehrwert für den Kunden
Durch die Verwendung interner Risikomodelle, die maßgeschneidert, flexibel und individuell sind, kann eine angemessene Risikomessung und -steuerung sichergestellt und die Eigenkapitalausstattung gegenüber dem Standardansatz reduziert werden.
Unsere Prüfung der verwendeten Modelle zeigt der Bank auf, ob ihre internen Risikomodelle die regulatorischen Anforderungen erfüllen.
Da in diesem speziellen Fall die bislang verwendeten Modelle nur unzureichend geeignet waren, zeigten wir dem Kunden konkrete Maßnahmen zur Verbesserung und legten so die Basis für eine optimierte Risikoabsicherung des Kreditinstituts.
Sie interessieren sich für weitere Praxisbeispiele unserer Digital Risk Services?
- Success Story Software Procurement Service
- Success Story Hybrid Cloud Sourcing
- Success Story Transaktionsdaten-Plattform für Datenabfragen in Echtzeit
- Success Story Unterstützung bei der Neuvergabe eines Managed Services
- Success Story Datenmanagement
- Success Story Rollenbasiertes Berechtigungsmanagement
- Success Story Automatisierte Kategorisierung von Daten
- Success Story zur toolgestützten Qualitätsbewertung eines Kreditportfolios
- Success Story Big Data Analyse